CN112927311A - 样点自适应补偿的边带补偿模式的数据处理方法、装置 - Google Patents

样点自适应补偿的边带补偿模式的数据处理方法、装置 Download PDF

Info

Publication number
CN112927311A
CN112927311A CN202110208657.7A CN202110208657A CN112927311A CN 112927311 A CN112927311 A CN 112927311A CN 202110208657 A CN202110208657 A CN 202110208657A CN 112927311 A CN112927311 A CN 112927311A
Authority
CN
China
Prior art keywords
sideband
values
variable
value
array
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110208657.7A
Other languages
English (en)
Other versions
CN112927311B (zh
Inventor
李晓波
叶天晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Bilibili Technology Co Ltd
Original Assignee
Shanghai Bilibili Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Bilibili Technology Co Ltd filed Critical Shanghai Bilibili Technology Co Ltd
Priority to CN202110208657.7A priority Critical patent/CN112927311B/zh
Publication of CN112927311A publication Critical patent/CN112927311A/zh
Priority to EP22758721.9A priority patent/EP4246444A4/en
Priority to PCT/CN2022/072880 priority patent/WO2022179355A1/zh
Application granted granted Critical
Publication of CN112927311B publication Critical patent/CN112927311B/zh
Priority to US18/342,669 priority patent/US20230353746A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请公开了一种样点自适应补偿的边带补偿模式的数据处理方法、装置。该方法包括：遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；判断第一数组中的连续的m个边带值是否属于相同的边带；若第一数组中的连续的m个边带值属于相同的边带，则根据第二数组中的残差值计算m个边带值对应的m个重构像素点的累加残差值，以及统计m个重构像素点的累加数量。本申请可以减少对内存的读写操作，及减少统计耗时。

Description

样点自适应补偿的边带补偿模式的数据处理方法、装置
技术领域
本申请涉及视频图像编码技术领域，尤其涉及一种样点自适应补偿的边带补偿模式的数据处理方法、装置。
背景技术
HEVC(High Efficiency Video Coding)是一种视频压缩标准，现有技术中在采用HEVC对视频进行压缩后，为了减小重构图像与原图像的失真，会通过SAO(Sample AdaptiveOffset，样点自适应补偿)技术对重构图像进行像素补偿。
在采用SAO技术对像素进行补偿时，可以通过EO(Edge Offset，边界补偿)模式或者通过BO(Band Offset，边带补偿)模式实现像素补偿，其中，BO模式是根据像素值的范围进行归类，以将像素值等分为32条边带，例如，8比特图像，像素值范围在[0,255]，则在划分边带时，每条边带包含8个像素值，第k条边带的像素值范围是[8k,8k+7]。
现有的BO模式在实现过程中，会通过如下步骤来统计当前CTB(Coding TreeBlock，树形编码块)中0～31边带的残差值和像素点的数目：
1.声明两个临时变量stats[32]和count[32]，初始都设置为0；
2.计算当前像素值的边带bt，比如，针对8比特像素，重建值为15，则其属于第15/8＝1边带；
3.计算当前重构像素和原始像素的差，也就是残差diff；
4.累加残差值和像素点数量，stats[bt]+＝diff；count[bt]++。
然而，发明人发现，上述统计方式比较耗时，严重制约了BO技术在直播等场景中的应用，同时也增加了移动设备的功耗。
发明内容
有鉴于此，现提供一种样点自适应补偿的边带补偿模式的数据处理方法、装置、计算机设备及计算机可读存储介质，以解决现有的BO技术在统计CTB中0～31边带的残差值和像素点的数目时比较耗时的问题。
本申请提供了一种样点自适应补偿的边带补偿模式的数据处理方法，包括：
获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；
对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；
将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；
判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；
若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。
可选地，所述方法还包括：
若所述第一数组中的连续的m个边带值不属于相同的边带，则进一步判断所述m个边带值中的连续的n个边带值是否属于相同的边带，其中n<m，n为大于或者等于2的整数；
若所述n个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述n个边带值对应的n个重构像素点的累加残差值，以及统计所述n个重构像素点的累加数量。
可选地，所述判断所述第一数组中的连续的m个边带值是否属于相同的边带包括：
从所述第一数组中读取连续的m个边带值，并将读取到的边带值存放在预设位的第一变量中：
从所述第一变量中取出其中的一个边带值，并对取出的边带值复制m-1次，得到复制处理后的边带值；
将经过复制处理后得到的边带值存放在预设位的第二变量中；
判断所述第一变量与所述第二变量是否相等，并根据判断结果确定所述第一数组中的连续的m个边带值是否属于相同的边带。
可选地，在所述第一变量与所述第二变量不相等时，所述判断所述m个边带值中的连续的n个边带值是否属于相同的边带包括：
分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值；
判断从第一变量中获取到的数值与从第二变量中获取到的数值是否相等，并根据判断结果确定所述m个边带值中的连续的n个边带值是否属于相同的边带。
可选地，所述从所述第一变量中取出其中的一个边带值包括：
从所述第一变量中取出位于预设位置的边带值。
可选地，所述m＝8，所述n＝4，每一个边带值采用8比特数值进行表示，所述预设位的第一变量为64位的第一变量，所述分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值包括：
分别从所述第一变量与所述第二变量中获取低32位或者高32位的数值。
可选地，所述方法还包括：
若所述第一数组中的连续的m个边带值不属于相同的边带，则单独统计每一个重构像素点的残差值与数量。
本申请还提供了一种样点自适应补偿的边带补偿模式的数据处理装置，包括：
获取模块，用于获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；
遍历模块，用于对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；
保存模块，用于将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；
判断模块，用于判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；
计算模块，用于若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。
本申请还提供了一种计算机设备，所述计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述技术方案的有益效果：
本申请实施例中，通过获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。在本申请实施例中，通过在遍历到多个像素点属于相同的边带时，一次性完成这些属于相同边带的像素点的残差计算和数量统计，从而可以减少对内存的读写操作，进而减少统计耗时，降低功耗。
附图说明
图1为本申请实施例的样点自适应补偿的边带补偿模式的数据处理方法的环境示意图；
图2为本申请所述的样点自适应补偿的边带补偿模式的数据处理方法的一种实施例的流程图；
图3为树形编码块的所有重构像素点的像素值示意图；
图4为图3中的树形编码块的所有重构像素点的像素值对应的边带值的示意图；
图5为本申请所述的样点自适应补偿的边带补偿模式的数据处理方法的另一种实施例的流程图；
图6为本申请一实施方式中判断所述第一数组中的连续的m个边带值是否属于相同的边带的步骤细化流程示意图；
图7为本申请一实施方式中判断所述m个边带值中的连续的n个边带值是否属于相同的边带的步骤细化流程示意图；
图8为本申请所述的样点自适应补偿的边带补偿模式的数据处理装置的一种实施例的程序模块图；
图9为本申请实施例提供的执行样点自适应补偿的边带补偿模式的数据处理方法的计算机设备的硬件结构示意图。
具体实施方式
以下结合附图与具体实施例进一步阐述本申请的优点。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本申请的描述中，需要理解的是，步骤前的数字标号并不标识执行步骤的前后顺序，仅用于方便描述本申请及区别每一步骤，因此不能理解为对本申请的限制。
图1示意性示出了根据本申请实施例的样点自适应补偿的边带补偿模式的数据处理方法的框架示意图。在示例性的实施例中，该应用环境的系统可包括计算机设备10、服务器20。其中，计算机设备10与服务器20形成无线或有线连接。计算机设备10可以为手机、iPAD，平板电脑、服务器等。服务器20可以为机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。
参阅图2，其为本申请一实施例的样点自适应补偿的边带补偿模式的数据处理方法的流程示意图。本可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，从图中可以看出，本实施例中所提供的样点自适应补偿的边带补偿模式的数据处理方法包括：
步骤S20，获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块。
具体地，所述目标重构图像为对重建图像在进行deblocking之后后得到的图像，其为重建完成的一帧图像。
在本实施例中，在将目标重构图像划分为树形编码块时，是根据编码器预先设置的树形编码单元(Coding Tree Unit，CTU)的大小对整帧的图像进行分块，比如，目标重构图像的大小为128*128，而CTU的大小为64*64，则可以将目标重构图像划分为4个互不重叠的树形编码块。
步骤S21，对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值。
具体地，树形编码块(Coding Tree Block，CTB)可以为HEVC中的样点自适应补偿技术(Sample Adaptive Offset，SAO)中的树形编码单元(Coding Tree Unit，CTU)所包含的亮度CTB或者色度CTB。一个树形编码块由多个重构像素点组成，比如由16*16、32*32和64*64个多重像素点组成，作为示例，参照图3，其为树形编码块中的一个16*16个重构像素点组成的区域，且该区域中的各个重构像素点的像素值如图中所示。
需要说明的是，图3所示的树形编码块是以8比特的图像为例的。重构像素点指的是对原始图像中的各个像素点进行还原后得到的像素点。
在本实施例中，在计算各个重构像素点所属的边带值时，可以先根据图像中的像素点的像素值范围来确定每一个边带所包含的像素值范围。比如，若图像中的像素点的像素值范围为0-255，则可以确定每一个边带包含有256/32＝8个像素值；若图像中的像素点的像素值范围为0-65535，则可以确定每一个边带包含有2048个像素值。
作为示例，在对图3中的每一个重构像素点进行边带值的计算之后，可以得到如图4所示的各个重构像素点对应的边带值。
其中，每一个重构像素点与对应的原始像素点的残差值diff指的是重构像素点的像素值a与对应的原始像素点的像素值b之差，即diff＝a-b。
可以理解的是，本申请实施例中，为了节省数据处理时间，可以预先计算出树形编码块中的所有重构像素点的边带值以及残差值，而不用在需要使用边带值及残差值才计算。
步骤S22，将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中。
具体地，为了便于后续可以顺序获取每一个重构像素点的边带值以及每一个重构像素点与对应的原始像素点的残差值，可以将边带值保存在第一数组中，将残差值保存在第二数组中，比如，将边带值保存在bttype数组中，将残差值保存在btdiff数组中。
步骤S23，判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数。
作为示例，可以判断第一数组中的第一批连续的8个边带值是否属于相同的边带，若该8个边带值属于相同的边带，则可以继续从该第一数组中获取下一批连续的8个边带值是否属于相同的边带，直到该第一数组中所有的边带值都判断完毕为止。
步骤S24，若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。
具体地，所述累加残差值为所述m个重构像素点与其对应的原始像素点的残差值的累加和，比如，m＝8，且这8个重构像素点与其对应的原始像素点的残差值分别为5、8、7、6、4、3、12、9，则所述累加残差值＝5+8+7+6+4+3+12+9＝54。
所述累加数量为所述m个重构像素点的数量，比如，m＝8，则所述累加数量也为8，若m＝4，则所述累加数量即为4。
在本实施例中，当判断出所述第一数组中的连续的m个边带值属于相同的边带，则可以一次性将这m个边带值对应的m个重构像素点的残差值从第二数组中读取出来，然后一次性计算出读取出的m个残差值的累加和，而无需一个一个地从第二数组中读取这m个残差值，以及无需一个一个地累加这些读取到的残差值。
需要说明的是，在完成累加残差值的计算和累加数量的统计之后，可以将得到的累加残差值加到对应边带p的sum变量中，将像累加数量m加到对应边带p的count变量中，之后，再进行后续的处理操作，在本实施例中，后续的处理操作为现有技术，在本实施例中不再赘述。
本申请实施例中，通过遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。在本申请实施例中，通过在遍历到多个像素点属于相同的边带时，一次性完成这些属于相同边带的像素点的残差计算和数量统计，从而可以减少对内存的读写操作，进而减少统计耗时，降低功耗。
经过实验统计，通过本申请中的计算方法可以减少BO模块大约67.2％的内存读写操作。此外，无论是移动设备的Android/IOS或者PC机等，内存读写操作都是非常慢和耗电的，因此，本申请由于减少了内存读写操作，因此，本申请的计算方案可以极大的降低功耗，同时，该计算方法也可以使BO模块加速大约48.2％。现有技术中，在直播这种场景中BO模块的处理时间占整个编解码的10％左右的耗时，若将本申请的技术方案应用于BO模块中，则可以直接让直播编码加速4.8％左右，不仅可以降低功耗，还可以加速直播编码。
在一示例性的实施方式中，参照图5，所述样点自适应补偿的边带补偿模式的数据处理方法还包括：
步骤S50，若所述第一数组中的连续的m个边带值不属于相同的边带，则进一步判断所述m个边带值中的连续的n个边带值是否属于相同的边带，其中n<m，n为大于或者等于2的整数。
作为示例，m＝8，n＝4，则在判断出第一数组中连续的8个边带值不属于相同的边带，比如，其中5个连续的边带值属于15边带，另3个边带值属于16边带。在这种情况下，可以进一步判断这8个边带值中是否还在存在连续的4个边带值属于相同的边带。
需要说明的是，这些连续的n个边带值可以为m个边带值中的任意位置的连续的n个边带值，比如，可以为该m个边带值中的第一个边带值到第n个边带值，也可以为该m个边带值中的第二个边带值到第n+1个边带值，或者为该m个边带值中的第三个边带值到第n+2个边带值等。
优选地，该连续的n个边带值为m个边带值中的第一个边带值到第n个边带值，或者为该m个边带值中的第m-n+1个边带值到第m个边带值。作为示例，m＝8，n＝4时，该连续的4个边带值为8个边带值中的第一个边带值到第4个边带值，或者该连续的4个边带值为8个边带值中的第5个边带值到第8个边带值。
步骤S51，若所述n个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述n个边带值对应的n个重构像素点的累加残差值，以及统计所述n个重构像素点的累加数量。
具体地，当判断出所述连续的n个边带值属于相同的边带，则可以一次性将这n个边带值对应的n个重构像素点的残差值从第二数组中读取出来，然后一次性计算出读取出的n个残差值的累加和，而无需一个一个地从第二数组中读取这n个残差值，以及无需一个一个地累加这些读取到的残差值。
需要说明的是，在完成累加残差值的计算和累加数量的统计之后，可以将得到的累加残差值加到对应边带p的sum变量中，将像累加数量n加到对应边带p的count变量中，之后，再进行后续的处理操作，在本实施例中，后续的处理操作为现有技术，在本实施例中不再赘述。
本实施例中，通过在判断出连续的m个边带值不属于相同的边带时，进一步判断m个边带值中的连续的n个边带值是否属于相同的边带，并在属于相同的边带时，一次性完成这些属于相同边带的像素点的残差计算和数量统计，从而可以减少对内存的读写操作，进而减少统计耗时，降低功耗。
需要说明的是，在本实施例中，在判断出不存在n个连续的边带值属于相同的边带时，还可以继续判断是否存在k个连续的边带值是否属于相同的边带，其中，k为小于n的整数。在本实施例中，具体执行多少次上述的判断步骤，在本实施例中不做限定，可以根据实际情况进行设定。
在一示例性的实施方式中，参照图6，所述判断所述第一数组中的连续的m个边带值是否属于相同的边带的步骤可以包括步骤S60-S63，其中：
步骤S60，从所述第一数组中读取连续的m个边带值，并将读取到的边带值存放在预设位的第一变量中。
具体地，所述第一变量可以为全局变量，也可以为局部变量，在本实施例中，该第一变量优选为局部变量，比如为局部变量classIdx_64。所述预设位为预先设定的数值，比如，所述预设位为64位。可以理解的是，所述预设位也可以为其他数值，其具体值可以根据实际情况进行设定。
作为示例，可以将读取到的边带值存放在64位的局部变量classIdx_64中。
步骤S61，从所述第一变量中取出其中的一个边带值，并对取出的边带值复制m-1次，得到复制处理后的边带值。
具体地，可以从该第一变量中包含的m个边带值中随机取出其中一个边带值，比如，取出第2个边带值；也可以从该第一变量中包含的m个边带值中取出位于预设位置的边带值，其中，所述预设位置为预先设定的或者默认的，比如，所述预设位置为第一位，则可以取出位于第一位的边带值。
在本实施例中，在取出一个边带值后，为了使得最终得到的边带值的个数与该第一变量中包含的边带值的个数相同，可以对该取出的边带值复制m-1次，得到复制处理后的边带值，将经过复制处理后得到的边带值存放在所述预设位的第二变量中即得到m个边带值。
步骤S62，将经过复制处理后得到的边带值存放在所述预设位的第二变量中。
具体地，所述第二变量与所述第一变量的类型相同，其可以为全局变量，也可以为局部变量，在本实施例中，该第二变量优选为局部变量，比如为局部变量classIdx_rep。所述预设位为预先设定的数值，比如，所述预设位为64位。
作为示例，可以将经过复制处理后得到的边带值存放在64位的局部变量classIdx_rep中。
步骤S63，判断所述第一变量与所述第二变量是否相等，并根据判断结果确定所述第一数组中的连续的m个边带值是否属于相同的边带。
具体地，当判断结果为所述第一变量与所述第二变量相等时，可以确定所述第一数组中的连续的m个边带值属于相同的边带；当判断结果为所述第一变量与所述第二变量不相等时，可以确定所述第一数组中的连续的m个边带值不属于相同的边带。
本实施例中通过对取出的边带值复制m-1次来生成第二变量，可以节省第二变量的生成时间。
在一示例性的实施方式中，参照图7，在所述第一变量与所述第二变量不相等时，所述判断所述m个边带值中的连续的n个边带值是否属于相同的边带的步骤可以包括：步骤S70-S71，其中：
步骤S70，分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值。
具体地，所述预设位数可以根据每一个边带值采用多少比特数值表示来确定，比如，一个边带值采用8比特数值进行表示，则可以确定所述预设位数为8n；当一个边带值采用5比特数值进行表示，则可以确定所述预设位数为5n；当一个边带值采用16比特数值进行表示，则可以确定所述预设位数为16n。
在本实施例中，具体获取哪些位数的数值，则和n个边带值在所述m个边带值中的位置有关。
作为示例，所述m＝8，所述n＝4，每一个边带值采用8比特数值进行表示，所述预设位的第一变量为64位的第一变量，该4个边带值为8个边带值中的第一个边带值到第四个边带值，则在从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值时，即可以从所述第一变量与所述第二变量中分别获取第一位数值到第32位的数值。
可以理解的是，当该4个边带值为8个边带值中的第2个边带值到第5个边带值时，则在从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值时，可以从所述第一变量与所述第二变量中分别获取第9位数值到第40位的数值。
在一示例性的实施方式中，若所述m＝8，所述n＝4，每一个边带值采用8比特数值进行表示，所述预设位的第一变量为64位的第一变量，则所述分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值可以包括：
分别从所述第一变量与所述第二变量中获取低32位或者高32位的数值。
本实施例中，为了便于从第一变量与第二变量中获取数值，可以直接获取低32位或者高32位的数值。
步骤S71，判断从第一变量中获取到的数值与从第二变量中获取到的数值是否相等，并根据判断结果确定所述m个边带值中的连续的n个边带值是否属于相同的边带。
具体地，当判断结果为从第一变量中获取到的数值与从第二变量中获取到的数值相等时，可以确定所述m个边带值中的连续的n个边带值属于相同的边带；当判断结果为从第一变量中获取到的数值与从第二变量中获取到的数值不相等时，可以确定所述m个边带值中的连续的n个边带值不属于相同的边带。
在一示例性的实施方式中，所述方法还包括：
若所述第一数组中的连续的m个边带值不属于相同的边带，则单独统计每一个重构像素点的残差值与数量。
具体地，当所述第一数组中的连续的m个边带值不属于相同的边带，即属于不同的边带时，则可以单独统计每一个重构像素点的残差值与数量，即一次只从第二数组中读取一个残差值，然后将读取到的残差值累加到对应边带p的sum变量中，以及将数量1加到对应边带p的count变量中，之后，再进行后续的处理操作，在本实施例中，后续的处理操作为现有技术，在本实施例中不再赘述。
参阅图8所示，是本申请样点自适应补偿的边带补偿模式的数据处理装置80一实施例的程序模块图。
本实施例中，所述样点自适应补偿的边带补偿模式的数据处理装置80包括一系列的存储于存储器上的计算机程序指令，当该计算机程序指令被处理器执行时，可以实现本申请各实施例的样点自适应补偿的边带补偿模式的数据处理功能。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，样点自适应补偿的边带补偿模式的数据处理装置80可以被划分为一个或多个模块。例如，在图8中，所述样点自适应补偿的边带补偿模式的数据处理装置80可以被分割成获取模块81、遍历模块8/2、保存模块83、判断模块84、计算模块85。其中：
获取模块81，用于获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；
遍历模块82，用于对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；
保存模块83，用于将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；
判断模块84，用于判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；
计算模块85，用于若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。
在一示例性的实施方式中，所述判断模块84，还用于若所述第一数组中的连续的m个边带值不属于相同的边带，则进一步判断所述m个边带值中的连续的n个边带值是否属于相同的边带，其中n<m，n为大于或者等于2的整数；若所述n个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述n个边带值对应的n个重构像素点的累加残差值，以及统计所述n个重构像素点的累加数量。
在一示例性的实施方式中，所述判断模块84，还用于从所述第一数组中读取连续的m个边带值，并将读取到的边带值存放在预设位的第一变量中：从所述第一变量中取出其中的一个边带值，并对取出的边带值复制m-1次，得到复制处理后的边带值；将经过复制处理后得到的边带值存放在所述预设位的第二变量中；判断所述第一变量与所述第二变量是否相等，并根据判断结果确定所述第一数组中的连续的m个边带值是否属于相同的边带。
在一示例性的实施方式中，在所述第一变量与所述第二变量不相等时，所述判断模块84，还用于分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值；判断从第一变量中获取到的数值与从第二变量中获取到的数值是否相等，并根据判断结果确定所述m个边带值中的连续的n个边带值是否属于相同的边带。
在一示例性的实施方式中，所述判断模块84，还用于从所述第一变量中取出位于预设位置的边带值。
在一示例性的实施方式中，所述m＝8，所述n＝4，每一个边带值采用8比特数值进行表示，所述预设位的第一变量为64位的第一变量，所述判断模块83，还用于分别从所述第一变量与所述第二变量中获取低32位或者高32位的数值。
在一示例性的实施方式中，所述样点自适应补偿的边带补偿模式的数据处理装置80还包括统计模块。
所述统计模块，用于若所述第一数组中的连续的m个边带值不属于相同的边带，则单独统计每一个重构像素点的残差值与数量。
本申请实施例中，通过获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。在本申请实施例中，通过在遍历到多个像素点属于相同的边带时，一次性完成这些属于相同边带的像素点的残差计算和数量统计，从而可以减少对内存的读写操作，进而减少统计耗时，降低功耗。
图9示意性示出了根据本申请实施例的适于实现样点自适应补偿的边带补偿模式的数据处理方法的计算机设备10的硬件架构示意图。本实施例中，计算机设备10是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图9所示，计算机设备10至少包括但不限于：可通过系统总线相互通信链接存储器120、处理器121、网络接口123。其中：
存储器120至少包括一种类型的计算机可读存储介质，该可读存储介质可以是易失性的，也可以是非易失性的，具体而言，可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器120可以是计算机设备10的内部存储模块，例如该计算机设备10的硬盘或内存。在另一些实施例中，存储器120也可以是计算机设备10的外部存储设备，例如该计算机设备10上配备的插接式硬盘，智能存储卡(Smart Media Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，存储器120还可以既包括计算机设备10的内部存储模块也包括其外部存储设备。本实施例中，存储器120通常用于存储安装于计算机设备10的操作系统和各类应用软件，例如样点自适应补偿的边带补偿模式的数据处理方法的程序代码等。此外，存储器120还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器121在一些实施例中可以是中央处理器(Central Processing Unit，简称为CPU)、控制器、微控制器、微处理器、或其它样点自适应补偿的边带补偿模式的数据处理芯片。该处理器121通常用于控制计算机设备10的总体操作，例如执行与计算机设备10进行数据交互或者通信相关的控制和处理等。本实施例中，处理器121用于运行存储器120中存储的程序代码或者处理数据。
网络接口123可包括无线网络接口或有线网络接口，该网络接口123通常用于在计算机设备10与其它计算机设备之间建立通信链接。例如，网络接口123用于通过网络将计算机设备10与外部终端相连，在计算机设备10与外部终端之间的建立数据传输通道和通信链接等。网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystem of Mobile communication，简称为GSM)、宽带码分多址(Wideband Code DivisionMultiple Access，简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图9仅示出了具有部件120～122的计算机设备，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器120中的样点自适应补偿的边带补偿模式的数据处理方法可以被分割为一个或者多个程序模块，并由一个或多个处理器(本实施例为处理器121)所执行，以完成本申请。
本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质其上存储有计算机程序，计算机程序被处理器执行时实现实施例中的样点自适应补偿的边带补偿模式的数据处理方法的步骤。
本实施例中，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，计算机可读存储介质可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，计算机可读存储介质也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，简称为SMC)，安全数字(Secure Digital，简称为SD)卡，闪存卡(Flash Card)等。当然，计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件，例如实施例中的样点自适应补偿的边带补偿模式的数据处理方法的程序代码等。此外，计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到至少两个网络单元上。可以根据实际的需要筛选出其中的部分或者全部模块来实现本申请实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (10)

1.一种样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，包括：
获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；
对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；
将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；
判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；
若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。
2.根据权利要求1所述的样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，所述方法还包括：
若所述第一数组中的连续的m个边带值不属于相同的边带，则进一步判断所述m个边带值中的连续的n个边带值是否属于相同的边带，其中n<m，n为大于或者等于2的整数；
若所述n个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述n个边带值对应的n个重构像素点的累加残差值，以及统计所述n个重构像素点的累加数量。
3.根据权利要求2所述的样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，所述判断所述第一数组中的连续的m个边带值是否属于相同的边带包括：
从所述第一数组中读取连续的m个边带值，并将读取到的边带值存放在预设位的第一变量中：
从所述第一变量中取出其中的一个边带值，并对取出的边带值复制m-1次，得到复制处理后的边带值；
将经过复制处理后得到的边带值存放在所述预设位的第二变量中；
判断所述第一变量与所述第二变量是否相等，并根据判断结果确定所述第一数组中的连续的m个边带值是否属于相同的边带。
4.根据权利要求3所述的样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，在所述第一变量与所述第二变量不相等时，所述判断所述m个边带值中的连续的n个边带值是否属于相同的边带包括：
分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值；
判断从第一变量中获取到的数值与从第二变量中获取到的数值是否相等，并根据判断结果确定所述m个边带值中的连续的n个边带值是否属于相同的边带。
5.根据权利要求3所述的样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，所述从所述第一变量中取出其中的一个边带值包括：
从所述第一变量中取出位于预设位置的边带值。
6.根据权利要求4所述的样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，所述m＝8，所述n＝4，每一个边带值采用8比特数值进行表示，所述预设位的第一变量为64位的第一变量，所述分别从所述第一变量与所述第二变量中获取与所述n个边带值对应的预设位数的数值包括：
分别从所述第一变量与所述第二变量中获取低32位或者高32位的数值。
7.根据权利要求1至6任一项所述的样点自适应补偿的边带补偿模式的数据处理方法，其特征在于，所述方法还包括：
若所述第一数组中的连续的m个边带值不属于相同的边带，则单独统计每一个重构像素点的残差值与数量。
8.一种样点自适应补偿的边带补偿模式的数据处理装置，其特征在于，包括：
获取模块，用于获取目标重构图像，将所述目标重构图像划分为多个互不重叠的树形编码块；
遍历模块，用于对于每一个树形编码块，遍历树形编码块中的所有重构像素点，并计算遍历出的每一个重构像素点所属的边带值，以及计算遍历出的每一个重构像素点与对应的原始像素点的残差值；
保存模块，用于将计算得出的每一个重构像素点所属的边带值保存至第一数组中，并将计算得出的每一个重构像素点与对应的原始像素点的残差值保存至第二数组中；
判断模块，用于判断所述第一数组中的连续的m个边带值是否属于相同的边带，m为大于或者等于2的整数；
计算模块，用于若所述第一数组中的连续的m个边带值属于相同的边带，则根据所述第二数组中的残差值一次性计算所述m个边带值对应的m个重构像素点的累加残差值，以及统计所述m个重构像素点的累加数量。
9.一种计算机设备，所述计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的样点自适应补偿的边带补偿模式的数据处理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7任一项所述的样点自适应补偿的边带补偿模式的数据处理方法的步骤。
CN202110208657.7A 2021-02-24 2021-02-24 样点自适应补偿的边带补偿模式的数据处理方法、装置 Active CN112927311B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110208657.7A CN112927311B (zh) 2021-02-24 2021-02-24 样点自适应补偿的边带补偿模式的数据处理方法、装置
EP22758721.9A EP4246444A4 (en) 2021-02-24 2022-01-20 DATA PROCESSING METHOD AND APPARATUS FOR SCANNING ADAPTIVE OFFSET SIDEBAND COMPENSATION MODE
PCT/CN2022/072880 WO2022179355A1 (zh) 2021-02-24 2022-01-20 样点自适应补偿的边带补偿模式的数据处理方法、装置
US18/342,669 US20230353746A1 (en) 2021-02-24 2023-06-27 Data processing in band offset mode of sample adaptive offset

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110208657.7A CN112927311B (zh) 2021-02-24 2021-02-24 样点自适应补偿的边带补偿模式的数据处理方法、装置

Publications (2)

Publication Number Publication Date
CN112927311A true CN112927311A (zh) 2021-06-08
CN112927311B CN112927311B (zh) 2022-06-03

Family

ID=76171653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110208657.7A Active CN112927311B (zh) 2021-02-24 2021-02-24 样点自适应补偿的边带补偿模式的数据处理方法、装置

Country Status (4)

Country Link
US (1) US20230353746A1 (zh)
EP (1) EP4246444A4 (zh)
CN (1) CN112927311B (zh)
WO (1) WO2022179355A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022179355A1 (zh) * 2021-02-24 2022-09-01 上海哔哩哔哩科技有限公司 样点自适应补偿的边带补偿模式的数据处理方法、装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150237360A1 (en) * 2014-02-18 2015-08-20 Electronics And Telecommunications Research Institute Apparatus and method for fast sample adaptive offset filtering based on convolution method
CN105141948A (zh) * 2015-09-22 2015-12-09 天津师范大学 一种改进的hevc样点自适应补偿方法
CN105794206A (zh) * 2013-11-15 2016-07-20 联发科技股份有限公司 基于块的自适应环路滤波方法
CN108810543A (zh) * 2018-06-13 2018-11-13 北京奇艺世纪科技有限公司 视频编码的补偿方法及装置
CN109963160A (zh) * 2017-12-26 2019-07-02 北京君正集成电路股份有限公司 基于hevc的简化sao最优补偿值计算方法和装置
WO2020139005A1 (ko) * 2018-12-28 2020-07-02 한국전자통신연구원 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
CN111567045A (zh) * 2017-10-10 2020-08-21 韩国电子通信研究院 使用帧间预测信息的方法和装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9525884B2 (en) * 2010-11-02 2016-12-20 Hfi Innovation Inc. Method and apparatus of slice boundary filtering for high efficiency video coding
RS56322B1 (sr) * 2012-04-16 2017-12-29 Hfi Innovation Inc Postupak i aparat za filtriranje u petlji preko granica režnja ili pločice
CN111263150B (zh) * 2013-12-12 2021-10-26 三星电子株式会社 视频编码设备和视频解码设备
EP3107298A4 (en) * 2014-03-14 2017-10-11 Samsung Electronics Co., Ltd. Image encoding method for sample value compensation and apparatus therefor, and image decoding method for sample value compensation and apparatus therefor
CN105635732B (zh) * 2014-10-30 2018-12-14 联想(北京)有限公司 自适应样点补偿编码、对视频码流进行解码的方法及装置
CN112927311B (zh) * 2021-02-24 2022-06-03 上海哔哩哔哩科技有限公司 样点自适应补偿的边带补偿模式的数据处理方法、装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105794206A (zh) * 2013-11-15 2016-07-20 联发科技股份有限公司 基于块的自适应环路滤波方法
US20150237360A1 (en) * 2014-02-18 2015-08-20 Electronics And Telecommunications Research Institute Apparatus and method for fast sample adaptive offset filtering based on convolution method
CN105141948A (zh) * 2015-09-22 2015-12-09 天津师范大学 一种改进的hevc样点自适应补偿方法
CN111567045A (zh) * 2017-10-10 2020-08-21 韩国电子通信研究院 使用帧间预测信息的方法和装置
CN109963160A (zh) * 2017-12-26 2019-07-02 北京君正集成电路股份有限公司 基于hevc的简化sao最优补偿值计算方法和装置
CN108810543A (zh) * 2018-06-13 2018-11-13 北京奇艺世纪科技有限公司 视频编码的补偿方法及装置
WO2020139005A1 (ko) * 2018-12-28 2020-07-02 한국전자통신연구원 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHANG GUANWEN ETAL: "《CNN-Based Sample Adaptive Offset Optimization in HEVC for Streaming Video》", 《2019 IEEE INTERNATIONAL CONFERENCE ON REAL-TIME COMPUTING AND ROBOTICS (RCAR)》, 23 March 2020 (2020-03-23) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022179355A1 (zh) * 2021-02-24 2022-09-01 上海哔哩哔哩科技有限公司 样点自适应补偿的边带补偿模式的数据处理方法、装置

Also Published As

Publication number Publication date
EP4246444A4 (en) 2024-04-10
CN112927311B (zh) 2022-06-03
EP4246444A1 (en) 2023-09-20
US20230353746A1 (en) 2023-11-02
WO2022179355A1 (zh) 2022-09-01

Similar Documents

Publication Publication Date Title
CN110502365B (zh) 数据存储及恢复的方法、装置及计算机设备
JP6316785B2 (ja) ビデオ符号化のパルス符号変調、および、パレット符号化の方法
CN107886560B (zh) 动画资源的处理方法及装置
KR102152346B1 (ko) 이미지 파일의 블록 간 차이를 통한 압축율 향상 방법 및 시스템
US11503312B2 (en) Method and devices for video predicting a first color component from a second component
JP2014525183A (ja) ２ｄマトリクスにエンコーディングパラメータを保存する画像圧縮のための方法および装置
US11101818B2 (en) Method and device for storing time series data with adaptive length encoding
US20230353746A1 (en) Data processing in band offset mode of sample adaptive offset
US20230336723A1 (en) Data processing in edge offset mode of sample adaptive offset
CN111510716B (zh) 通过图像文件的像素变换提高压缩率的方法和系统
CN112714338B (zh) 视频传输、播放方法、装置、计算机设备及存储介质
CN110851433B (zh) 键值存储系统键优化方法、存储介质、电子设备及系统
EP4250743A1 (en) Method and device for determining sample adaptive offset mode of coding tree block
CN110990640B (zh) 一种数据判定方法、装置、设备及计算机可读存储介质
CN112150567A (zh) 一种heif图像编码方法及相关设备
CN116896641B (zh) 影像压缩方法、装置、设备及存储介质
CN110662088B (zh) 一种防止视频重复转码的去重方法及处理终端
CN110933442B (zh) 16*4级参考帧压缩方法和装置
CN115168112B (zh) 动态区段变更下的区段数据还原方法、装置、设备及介质
US20160100172A1 (en) Data processing systems
EP3099072A1 (en) Method, system and device for image and video coding
WO2020258378A1 (zh) 一种视频图像处理方法、设备及存储介质
US20140133771A1 (en) Electronic device and method for splitting image
CN115334350A (zh) 修复文件的方法、装置、终端设备及存储介质
CN117857809A (zh) 基于块压缩技术的自适应压缩方法、电子设备、存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant